Universidad Austral de Chile

Transcripción

1 Universidad Austral de Chile Facultad de Ciencias de la Ingeniería Escuela de Ingeniería Civil en Informática DISEÑO E IMPLEMENTACIÓN DE UN MODELO PREDICTIVO PARA DETECTAR PATRONES DE FUGA EN LOS SERVICIOS DE TELEFÓNICA DEL SUR Tesis para optar al Título de: Ingeniero Civil en Informática Profesor Patrocinante: Sr. José Loyola Abello Analista de Sistemas Ingeniero en Administración Empresas Profesor Co-Patrocinante: Sr. Wladimir Ríos Martínez Ingeniero Ejecución Eléctrico, Ingeniero Civil Industrial, Magister en Administración de Empresas (MBA) Doctor (C) en Telemática Profesor Informante: Sr. Juan Pablo Salazar Fernández Ingeniero Civil en Informática Magíster en Administración de Empresas JOSUÉ MAXIMILIANO ALVARADO BUSTOS VALDIVIA - CHILE 2011

2

3

4

5 AGRADECIMIENTOS Quiero agradecer a todas las personas que hicieron posible de una u otra forma la realización de este trabajo de tesis, en especial a Carolina Cárcamo Lange por su preocupación, amor y compañía. De manera especial agradezco a mis padres, y hermanos por el apoyo incondicional que me dieron a lo largo de esta carrera. Esta tesis está dedicada a mis padres con mucho cariño.

6 ÍNDICE ÍNDICE DE FIGURAS... III ÍNDICE DE TABLAS... IV RESUMEN... V ABSTRACT... VI 1 INTRODUCCIÓN INFORMACIÓN DE ÍNDOLE GENERAL SOBRE EL PROBLEMA A TRATAR ANTECEDENTES EXISTENTES AL RESPECTO IMPORTANCIA Y NATURALEZA DEL ESTUDIO OBJETIVOS Objetivo General Objetivos Específicos INTRODUCCIÓN A LA MINERÍA DE DATOS CONCEPTOS GENERALES APLICACIONES DE NEGOCIO PARA MINERÍA DE DATOS TAREAS DE MINERÍA DE DATOS Clasificación Agrupamiento Asociación Regresión Pronostico Análisis de la Desviación TÉCNICAS DE MINERÍA DE DATOS TIPOS DE COLUMNAS Y ATRIBUTOS EL MODELO DE MINERÍA DE DATOS Creación del Modelo Entrenamiento del Modelo ALGORITMOS DE MINERÍA DE DATOS Algoritmo de Arboles de Decisión Funcionamiento del Algoritmo Algoritmo de Bayes Naive Algoritmo de Red Neuronal Estructura de una Red Neuronal METODOLOGÍA DE TRABAJO ELECCIÓN DE LA METODOLOGÍA METODOLOGÍA CRISP-DM Introducción Análisis de las fases de CRISP-DM Comprensión del Negocio Comprensión de los Datos Preparación de los Datos i

7 Modelado Evaluación Implementación HERRAMIENTA DE DESARROLLO INTRODUCCIÓN A SQL SERVER DESARROLLO Y HERRAMIENTAS DE GESTIÓN ARQUITECTURA DE MINERÍA DE DATOS USAR LAS HERRAMIENTAS DE MINERÍA DE DATOS Asistente para la Minería de Datos Diseñador de Minería de Datos Minería de Datos en SQL Server Management Studio Procesar Objetos de Minería de Datos Examinar los Modelos de Minería de Datos Crear Consultas de Predicción Transformaciones y Tareas de Minería de Datos en Integration Services DESARROLLO DEL MODELO PREDICTIVO COMPRENSIÓN DEL NEGOCIO COMPRENSIÓN DE LOS DATOS PREPARACIÓN DE LOS DATOS Problemas encontrados en los Datos MODELADO Selección de las Técnicas de Modelado Selección de las Variables Influyentes Construcción del Modelo Modelado con el algoritmo de Árboles de Decisión Modelado con el algoritmo de Redes Neuronales EVALUACIÓN Consultas Predictivas Resultados CONCLUSIONES REFERENCIAS ANEXOS ANEXO1: PROCEDIMIENTOS ALMACENADOS ii

8 ÍNDICE DE FIGURAS Figura Página 1: Relaciones entre cada fase del proceso y las tecnologías de Microsoft SQL Server : Relación entre la columna de predicción comprador y la columna de entrada Edad : Formación de la estructura del árbol de decisión : Formación de la estructura de un árbol de decisión con atributos de predicción continua : Ejemplo de una Red Neuronal : Fases de la Metodología CRISP-DM : Componentes de SQL Server : Arquitectura de una solución de Inteligencia de Negocio en SQL Server : Arquitectura de una solución de Minería de Datos en SQL Server : Creación de las tablas de Minería de Datos : Especificación del contenido y el tipo de datos de las columnas utilizadas en la estructura de minería de datos para el algoritmo Bayes Naive : Visor para establecer o modificar los parámetros del algoritmo Bayes Naive : Ficha Red de dependencia del Visor de Bayes Naives para el modelo de ADSL : Perfiles de los atributos del Visor de Bayes Naives para el modelo de ADSL : Ficha Red de dependencia del Visor de Bayes Naives para el modelo de TPOS : Ficha Red de dependencia del Visor de Bayes Naives para el modelo de WITV : Ficha Red de dependencia del Visor de Bayes Naives para el modelo de PHS : Especificación de las columnas que se utilizan para la creación de la estructura de TPOS : Explorador de soluciones con el cubo que contiene la solución para TPOS : Determinación de los parámetros del algoritmo de arboles de decisión para el modelo de TPOS : Primera parte del Árbol de decisión del modelo de TPOS : Segunda parte del Árbol de decisión del modelo de TPOS : Determinación de los parámetros del algoritmo red neuronal para el modelo de TPOS : Visor del modelo de redes neuronales para Televisión Digital Inalámbrica : Creación de una consulta al modelo de minería de datos : Selección de la estructura y modelo que serán consultados : Selección del modelo de minería de datos, la tabla de entrada, las variables desplegadas en la consulta y la función de predicción : Selección de la salida para la consulta al modelo de minería de datos : Evaluación del modelo creado para Internet Banda Ancha : Evaluación del modelo creado para Telefonía Post Pago : Evaluación del modelo creado para Televisión Digital Inalámbrica : Evaluación del modelo creado para Telefonía Local Inalámbrica iii

9 ÍNDICE DE TABLAS Tabla Página 1: Variables para el modelo predictivo y relación con el área de negocio en la que influye : Datos inicial para la tabla de Telefonía Post Pago (TPOS) : Datos inicial para la tabla de Internet Banda Ancha (ADSL) : Datos inicial para la tabla de Televisión Digital Inalámbrica (WITV) : Datos inicial para la tabla de Telefonía Local Inalámbrica (PHS) : Descripción de los parámetros utilizados en la aplicación del algoritmo de Bayes Naives : Descripción de los parámetro utilizados para el algoritmo de arboles de decisión : Descripción de los procedimientos que realizan las tareas de preparación de datos iv

10 RESUMEN Telefónica del Sur es una empresa de telecomunicaciones que cuenta con una gran cantidad de información concerniente a los comportamientos y factores sociodemográficos de sus clientes. Esta se encuentra almacenada en un Data Warehouse Corporativo, siendo una fuente de datos propicia para ser analizada. Este proyecto consiste en elaborar un modelo predictivo que permita descubrir de forma anticipada, el comportamiento normal que manifiestan los clientes cuando consideran la opción de rescindir sus servicios contratados, posiblemente buscando una mejor oferta en la competencia. Este proceso fue realizado mediante la aplicación de técnicas de Minería de Datos, que consiste en la extracción de forma automática de información relevante, útil y no evidente contenida en los datos. La información utilizada para la realización del proyecto considera todos los datos históricos del año dos mil nueve. Para el descubrimiento de patrones y tendencias que existen en esta información, se emplearon algoritmos de clasificación como, redes neuronales, árboles de decisión y redes bayesianas. La utilización de estos algoritmos en conjunto, fue el mecanismo por el cual se creó el modelo de minería de datos. El proceso fue desarrollado por medio del software de gestión de bases de datos relacionales SQL Server 2005, quien ofrece un entorno integrado para crear y trabajar con modelos de minería de datos denominado Business Intelligence Development Studio. El entorno incluye algoritmos y herramientas de minería de datos que facilitan la generación de una solución completa para diversos proyectos. El efecto de este proyecto es la maximización de la rentabilidad de la empresa, mediante la detección precoz de las posibles fugas, con el objetivo de realizar ofertas y mejoras personalizadas a los servicios prestados, aumentando la tasa de retención de clientes. Además se espera un acrecentamiento en los niveles de satisfacción, producto de la eficiente relación que existirá entre la empresa y el cliente. v

11 ABSTRACT Telefónica del Sur is an telecommunications company that counts with a large amount of information about the sociodemographic, factors and behavior of their customers. This information is stored in a Corporative Data Warehouse that is a proper data source to be analyzed. This Project consists in develop a predictive model that allows to anticipate the normal behavior that customers manifest when they consider the option of rescind the contracted services, looking for a better offer in other companies. This process was developed by the application of data mining techniques that consist in the extraction in an automatic way of the relevant, useful and not evident information present in the data. The information used to develop of this project considers all the historic data of the year two thousand nine. The discovering of the patterns and trends presents in the information was made using classification algorithms such as neural networks, decisions trees and Bayesian networks. The use of this set of algorithms was the mechanism used to create the data mining model. This process was developed using the relational database management software SQL Server 2005, that offers an integrated environment to create and develop data mining models called Business Intelligence Development Studio. The environment includes algorithms and data mining tools that makes easier the generation of a complete solution for diverse projects. The effect of this project is the maximization of the company profitability by the early detection of possible leaks, with the objective of make offers or personalized improvements to the contracted services, to increase the customer retention rate. Also an increase of the satisfaction levels is expected, result of the efficient relationship between the company and the customer. vi

12 vii

13 1 INTRODUCCIÓN 1.1 Información de índole general sobre el problema a tratar La alta competitividad que se da en las empresas de telecomunicaciones genera una maquinaria gigantesca en términos publicitarios y de marketing, lo que redunda en que el costo de adquisición de los clientes sea relevante y como consecuencia de ello, la rotación de los clientes se transforma en un hecho fundamental dentro de la industria. Es sabido que el costo de adquirir un cliente nuevo es entre cinco y quince veces mayor que el costo de mantenerlo, por ello es de vital importancia la incorporación de nuevas tecnologías que faciliten la generación del conocimiento en base al tratamiento y análisis de la información. En la actualidad Chile está viviendo un proceso de convergencia tecnológica semejante al que viven otros países desarrollados. El nivel de penetración de la telefonía móvil es alrededor de 90%, con más de 14 millones de abonados a nivel nacional. El incremento de las conexiones a internet entre el año 2005 y 2009 fue duplicada, llegando aproximadamente a los 2 millones de conexiones a nivel nacional. La TV de pago, por su parte, cuenta con 1,47 millones de suscripciones a nivel nacional. La telefonía fija no se ha quedado estancada, a pesar de que las líneas fijas a nivel nacional se han mantenido en 3,5 millones [DOM09]. En este escenario, donde el mercado de las telecomunicaciones tiende a alcanzar su mercado potencial, existe un creciente aumento de la rivalidad competitiva entre las empresas de telecomunicaciones [SUB], lo que podría provocar una disminución en la cantidad de consumidores nuevos a Telefónica del Sur. Por este motivo es momento de mirar con mayor interés el problema de abandono o fuga de clientes, denominado Churn 1, y centrar la mirada en las nuevas herramientas tecnológicas que ofrece el mercado. En la actualidad una de las herramientas que permite potenciar el conocimiento del mercado y de los clientes es la Minería de Datos. Esta herramienta es pieza fundamental en la Business Intelligence, permite obtener información anticipada de los patrones de comportamiento que conducen a un abandono, dando la posibilidad de realizar 1 Churn: Tasa de clientes que dan de baja un servicio. URL: 1

14 campañas de retención apuntadas a aquellos clientes con riesgo real de fuga, focalizando los esfuerzos en esos clientes y no en la realización de campañas de retención masivas. El objetivo central de este proceso fue potenciar la explotación de la información almacenada, mediante un uso más sofisticado de ella. Para lograrlo fue de vital importancia caracterizar a cada cliente fugado mensualmente, considerando las áreas de negocio de Internet Banda Ancha (ADSL), Telefonía Post Pago (TPOS), Televisión Digital Inalámbrica (WITV) y Telefonía Local Inalámbrica (PHS). Analizando cada una de forma separada, buscando descubrir los patrones que desencadenan la fuga de un servicio por parte del cliente. La información que se utilizó para la consecución del objetivo planificado se clasificó en cuatro tipos de variables, quienes abarcan todos los ámbitos de información que se necesitan conocer del cliente, ellas son: Variables de Comportamiento: Focalizan la atención en indicadores que permiten identificar cambios en el comportamiento transaccional de los clientes. Variables Socio Demográficas: Conocer aspectos generales del cliente. Variables de Entorno: Indicadores que permiten cuantificar los posibles efectos que ejerce el medio en el que se desenvuelve la cartera de clientes (información de inteligencia del mercado). Variables de Calidad de Servicio: Corresponde a indicadores que apuntan a ponderar la diferencia entre las expectativas de sus clientes y la percepción que en realidad tienen de la empresa. 2

15 1.2 Antecedentes existentes al respecto Telefónica del Sur posee una gran cantidad de información almacenada en un Data Warehouse Corporativo, de esta fuente de datos se generan una serie de informes, reportes y documentos que permiten conocer cuál es el comportamiento y el rendimiento de la empresa en muchos aspectos. Entre ellos existen informes de gestión con información estática de estadísticas de ventas, bajas de clientes, abandono de clientes e ingresos medios por cliente (Arpu 2 ), etc. En cuanto a proyectos desarrollados con el fin de investigar las base de datos de Telefónica del Sur, buscando información escondida o patrones de comportamiento de sus clientes, existe un trabajo de titulación llamado, Diseño de un modelo parametrizado, usando Data Mining, que permita a Telefónica del Sur segmentar por valor a los clientes de prepago. Este sistema permite entender con mayor precisión y profundidad las distintas variables relevantes que impactan en la venta de tarjetas de prepago, logrando realizar una mejor gestión de la cartera de clientes pertenecientes a este segmento de negocio [JAR05]. En la actualidad este sistema no se encuentra operativo debido a que es desarrollado exclusivamente para investigar el comportamiento de los clientes de telefonía prepago, segmento de negocio que ya no es prioridad en Telefónica del Sur. Para el desarrollo de éste proyecto se utilizará la herramienta SQL Server 2005, en conjunto con la metodología de trabajo específica para minería de datos CRISP-DM 3. CRISP-DM es un consorcio de empresas europeas y estadounidense creada a finales de 1996 por tres importantes actores en proyectos de minería de datos, que son SPSS, NCR y DaimlerChrysler [DAT00]. Esta metodología trata de desarrollar los proyectos de minería de datos bajo un proceso estandarizado de definición y validación, de tal forma que se desarrollen proyectos con un costo razonable y con un alto impacto en el negocio. Para ello ésta metodología consta de cuatro niveles de abstracción, organizados de forma jerárquica en tareas que van desde el nivel más general hasta los casos más específicos, 2 Arpu: Ingresos medios por clientes. URL: 3 CRISP-DM: 3

16 estructurando el ciclo de vida del proyecto en seis fases, que interactúan entre ellas de forma iterativa durante el desarrollo del proyecto [CHA99]. Esta metodología fue fielmente desarrollada por medio de la herramienta Business Intelligence Development Studio, que incluye algoritmos y herramientas de minería de datos que facilitan la generación de una solución para el modelo predictivo. A través de la figura 1 se explica gráficamente el desarrollo que tendrá el proyecto en su construcción, siguiendo cada una de las fases de la metodología junto con el proceso que la desarrollará. Figura 1: Relaciones entre cada fase del proceso y las tecnologías de Microsoft SQL Server 2005 [MDN08]. El algoritmo de minería de datos es el mecanismo por el cual se crearon los modelos de minería de datos. Para crear un modelo, el algoritmo analizó primero el conjunto de datos de aprendizaje correspondiente a cada área de negocio, estos datos se encuentran en tablas de escenarios que contienen todas las variables que permiten caracterizar al cliente, buscando patrones y tendencias específicas. Dentro de los algoritmos que posee la herramienta y que fueron utilizados para implementar la solución del proyecto se encuentran: Algoritmo de árboles de decisión: Es un algoritmo de clasificación y regresión que proporciona herramientas para el modelado predictivo de atributos discretos y continuos. 4

17 Algoritmo Bayes naive: Es un algoritmo de clasificación para el modelado de predicción. Este algoritmo calcula la probabilidad condicional entre columnas de entrada y de predicción y supone que las columnas son independientes. Algoritmo de Red Neuronal: Crea modelos de minería de datos de clasificación y regresión mediante la generación de una red de neuronas de tipo perceptrón multicapa. De forma similar al algoritmo de árboles de decisión de Microsoft, el algoritmo de red neuronal de Microsoft calcula las probabilidades para cada posible estado del atributo de entrada cuando se da cada estado del atributo de predicción. Posteriormente, puede utilizar estas probabilidades para predecir un resultado del atributo predicho basado en los atributos de entrada. 1.3 Importancia y naturaleza del estudio El desarrollo exitoso de este proyecto puede ser muy beneficioso para cualquier empresa que necesite conocer y entender mejor a sus clientes, pues esta eficiente relación traerá como consecuencia innumerables beneficios económicos, debido a que la información que se obtiene al aplicar técnicas de minería de datos al data warehouse corporativo, permite ejecutar una acción predictiva y no reactiva, es decir, realizar una acción de retención cuando un cliente está considerando dejar el servicio en los próximos meses y no cuando ya ha tomado la decisión de dejarlo. Esta acción favorece indiscutiblemente al incremento de los índices de retención de clientes, pues permite orientar los esfuerzos hacia nichos específicos, mediante ofertas acordes a sus necesidades, concentrando los presupuestos disponibles en clientes con riesgo real de fuga y no en campañas de retención masiva. Por otra parte, se obtiene un mayor nivel de automatización, dado que el ciclo del proceso, desde la extracción y carga de la información, la creación del modelo predictivo y la generación de reportes para el análisis de los resultados, son administrados por la misma herramienta. 5

18 1.4 Objetivos Objetivo General Desarrollar un modelo predictivo; utilizando técnicas de minería de datos; para detectar los patrones de fuga existentes en el comportamiento de los clientes de Telefónica del Sur con el objetivo de buscar la retención por medio de ofertas personalizadas Objetivos Específicos Analizar el problema desde una perspectiva empresarial y estudiar el conjunto de técnicas que permiten descubrir el conocimiento del negocio almacenado en las bases de datos y la extracción de patrones contenidos en ellas. Conocer y estudiar en profundidad el entorno de trabajo que posee la herramienta, determinar las variables predictivas y seleccionar los algoritmos que se utilizarán para el desarrollo del proyecto. Modelar e implementar un prototipo funcional del modelo predictivo. Evaluar la calidad de predicción del prototipo y corrección de los posibles errores del modelo. 6

19 2 INTRODUCCIÓN A LA MINERÍA DE DATOS 2.1 Conceptos generales La minería de datos es un miembro clave en la familia de productos de Business Intelligence (BI), junto con el procesamiento analítico en línea (OLAP), los informes empresariales y ETL (Cargas, transformación y extracción de datos). La minería de datos trata de analizar los datos y la búsqueda de patrones ocultos utilizando métodos automáticos o semiautomáticos. Durante la última década, grandes volúmenes de datos se han almacenado en las bases de datos, gran parte de estos datos proviene de software de negocios, tales como Aplicaciones Financieras, Planificación de Recursos Empresariales (ERP), Gestión de la Relación con Clientes (CRM), y Registros web. El resultado de este proceso ha convertido a las organizaciones ricas en datos e información pero pobres en conocimientos, llegando a alcanzar colecciones de datos tan grandes que el uso práctico de estos almacenes se ha convertido en limitada. El objetivo principal de la Minería de Datos es extraer patrones ocultos a partir de estos datos, aumentando su valor intrínseco y la transferencia de los datos al conocimiento. La minería de datos proporciona a las empresas una gran valorización del negocio. Por ejemplo, el aumento de la competencia como resultado del marketing moderno y canales de distribución como Internet y las telecomunicaciones, han llevado a que las empresas se enfrenten a competencias en todo el mundo, siendo la clave para el éxito del negocio la capacidad de retener a los clientes existentes y adquirir nuevos. La minería de datos contiene las tecnologías que permiten a las empresas analizar los factores que afectan a estas materias. Por otra parte, las tecnologías de minería de datos que anteriormente sólo existían en el ámbito académico, son tecnologías que han madurado y están listas para ser aplicadas en la industria. Los algoritmos son más precisos, más eficientes y pueden manejar datos cada vez más complicados. Además, las interfaces de Minería de Datos para la programación de aplicaciones (API) se han estandarizado, permitiendo a los desarrolladores construir mejores aplicaciones [Tan05]. 7

20 2.2 Aplicaciones de Negocio para Minería de Datos Las técnicas de minería de datos se pueden utilizar en muchas aplicaciones, en respuesta a diversos tipos de necesidades empresariales. La siguiente lista muestra algunos típicos problemas que pueden ser resueltos mediante la minería de datos: Patrones de Fuga: Qué clientes tienen más probabilidades de cambiarse a un competidor? Las industrias de telecomunicaciones, banca y seguros se enfrentan a una intensa competencia en estos días. En promedio, cada nuevo suscriptor de telefonía móvil tiene un costo para las compañías de teléfono de más de 200 dólares de inversión en marketing. Por este motivo todas las empresas desearían mantener a tantos clientes como sea posible. El análisis del abandono, en base al descubrimiento de los patrones de fuga, puede ayudar a los gerentes de marketing a comprender los motivos de la rotación de clientes, mejorando la relación y comunicación con ellos. Venta cruzada: Qué productos los clientes están dispuestos a comprar? Al comprar en una librería en línea se observa que el sitio web da una serie de recomendaciones sobre libros relacionados, estas recomendaciones podrían derivar del análisis de la minería de datos. Cross-Selling o ventas cruzadas es un reto empresarial importante para las empresas de retail. Muchos comerciantes, especialmente los minoristas en línea, utilizan esta función para incrementar sus ventas [Tan05]. Detección del fraude: Este seguro tendrá reclamos fraudulentos? Las compañías de seguros reciben miles de reclamaciones al día. Es imposible para ellos investigar cada caso. La minería de datos puede ayudar a identificar los reclamos que tengan mayor probabilidad de ser falso [Tan05]. La gestión del riesgo: Debería ser aprobado el préstamo a este cliente? Esta es la pregunta más común en el escenario de la banca. Las técnicas de minería de datos pueden ser utilizadas para marcar el nivel de riesgo del cliente, ayudando a los administradores a tomar una decisión adecuada para cada aplicación [Tan05]. La segmentación de clientes: Quiénes son mis clientes? La segmentación de clientes ayuda a los gerentes de marketing a entender los diferentes perfiles de sus 8

21 clientes y a tomar las medidas adecuadas de comercialización sobre la base de los segmentos [Tan05]. Los anuncios orientados: Qué banner se debe mostrar a un visitante específico? Los distribuidores de Internet y portales intentan personalizar su contenido para sus clientes web. La navegación de los clientes o los patrones de compra en línea, pueden utilizar soluciones de minería de datos para mostrar anuncios dirigidos a sus clientes [Tan05]. 2.3 Tareas de Minería de Datos La minería de datos se puede utilizar para resolver cientos de problemas de negocios. Sobre la base de la naturaleza de estos problemas, se pueden agrupar en las siguientes tareas Clasificación La clasificación es una de las tareas de minería de datos más populares. Aplicaciones de negocios como el análisis de la rotación de clientes, gestión de riesgos y orientación de anuncios por lo general involucran clasificación. La clasificación se refiere a la asignación de casos en categorías basadas en un atributo predecible. Cada caso contiene un conjunto de atributos, uno de los cuales es el atributo de clase (atributo de predicción). La tarea requiere encontrar un modelo que describe el atributo de predicción en función de los atributos de entrada. Los típicos algoritmos de clasificación incluyen Arboles de Decisión, Redes Neuronales, y Redes Bayesianas [Tan05] Agrupamiento El agrupamiento o también llamado segmentación. Se utiliza para identificar agrupaciones naturales de los casos, sobre la base de un conjunto de atributos. Estos casos dentro del mismo grupo tienen valores similares de los atributos. La segmentación es una tarea de minería de datos sin supervisión, es decir sin la guía de ninguna variable en particular. Todos los atributos de entrada son tratados por igual y el éxito consiste en agrupar a los individuos en segmentos que resulten significativos para el objetivo del proyecto. La mayoría de los algoritmos de agrupación construyen 9

22 el modelo a través de un número de iteraciones y se detienen cuando el modelo converge, es decir cuando los límites de estos segmentos son estabilizados [Tan05] Asociación Asociación es otra de las tareas de minería de datos más populares. También se suele llamar análisis del carrito de compras. Un problema típico de la asociación en aplicaciones empresariales es analizar una tabla de transacción de ventas e identificar los productos que a menudo se venden en la misma canasta de la tienda. El uso común de Asociación es identificar los grupos comunes de elementos y las reglas con el fin de conocer la venta cruzada. En términos de asociación, cada producto, o más generalmente, cada atributo / par de valor se considera como un elemento. La tarea de asociación tiene dos objetivos, encontrar conjuntos frecuentes de elementos y encontrar reglas de asociación [Tan05] Regresión La tarea de regresión es similar a la clasificación. La diferencia principal es que el atributo de predicción es una serie continua. Las técnicas de regresión se han estudiado ampliamente desde hace siglos en el campo de las estadísticas. Regresión lineal y regresión logística son los métodos de regresión más populares. Otras técnicas de regresión incluyen árboles de regresión y redes neuronales [Tan05]. Las tareas de regresión pueden resolver muchos problemas de negocios. Por ejemplo, pueden utilizarse para predecir las tasas de descuento sobre la base de la redención del valor nominal, método de distribución y volumen de distribución o para predecir la velocidad del viento sobre la base de temperatura, presión atmosférica y humedad [Tan05] Pronostico El pronóstico o forecasting es otra tarea de minería de datos importante. Es la proyección de una tendencia con respecto al tiempo u otra variable, consiste en la estimación y el análisis de la demanda futura para un producto en particular, componente o servicio, utilizando como entrada datos históricos de venta, informaciones de marketing o información promocional. 10

23 2.3.6 Análisis de la Desviación Esta tarea sirve para encontrar los casos que se comportan muy diferentes de los demás. También se le llama detección de valores, que se refiere a la detección de cambios significativos del comportamiento observado previamente. El análisis de desviaciones puede ser utilizado en muchas aplicaciones. El más común es la detección de fraudes de tarjetas de crédito. Para identificar los casos anormales de millones de transacciones es una muy difícil. Otras aplicaciones incluyen la detección de intrusiones en la red, análisis de generación de errores, y así sucesivamente [Tan05]. 2.4 Técnicas de Minería de Datos Aunque la minería de datos como un término es relativamente nueva, la mayoría de las técnicas de minería de datos han existido por años. En las raíces de los algoritmos de minería de datos, se encontró que deriva principalmente de tres campos: las estadísticas, el aprendizaje automático, y las bases de datos. La mayoría de las tareas de minería de datos que figuran en la sección anterior se han tratados en la comunidad estadística. Una serie de algoritmos de minería de datos, incluyendo la regresión, series de tiempo, y árboles de decisión, fueron inventados por los estadísticos. Las técnicas de regresión han existido por siglos. Los algoritmos de serie de tiempo se han estudiado durante décadas. El algoritmo de árbol de decisiones es uno de las técnicas más recientes, que datan de mediados de la década de La minería de datos se centra en el descubrimiento automático o semiautomático de patrones. Varios algoritmos de aprendizaje automático se han aplicado a la minería de datos. Las redes neuronales son una de estas técnicas y son excelentes para la clasificación y la regresión, sobre todo cuando las relaciones de atributo no son lineales. Los algoritmos de genética son una nueva técnica de aprendizaje automático, simula la evolución natural del proceso, trabajando con un conjunto de candidatos y una función de supervivencia. La función de supervivencia repetidamente selecciona a los candidatos más adecuados para la próxima generación. Los algoritmos genéticos se pueden utilizar para tareas de clasificación y agrupación, también se puede utilizar en combinación con otros algoritmos, por ejemplo, ayudar a una red neuronal para encontrar el mejor conjunto de pesos entre las neuronas. 11